高分辨率遥感影像结合地表覆盖矢量数据的变化检测方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1. 绪论 | 第10-17页 |
| 1.1. 研究背景和意义 | 第10页 |
| 1.2. 研究数据概述 | 第10-12页 |
| 1.2.1. 地表覆盖矢量数据概况 | 第10-11页 |
| 1.2.2. 高分辨率遥感影像特点 | 第11-12页 |
| 1.3. 国内外研究现状 | 第12-15页 |
| 1.3.1. 影像与影像变化检测研究现状 | 第12-13页 |
| 1.3.2. 矢量与影像变化检测研究现状 | 第13-14页 |
| 1.3.3. 深度学习在遥感影像变化检测研究现状 | 第14-15页 |
| 1.4. 研究目标和研究内容 | 第15-16页 |
| 1.4.1. 研究目标 | 第15页 |
| 1.4.2. 研究内容 | 第15-16页 |
| 1.5. 论文组织结构 | 第16-17页 |
| 2. 面向对象的变化检测方法研究 | 第17-32页 |
| 2.1. 对象获取方式 | 第17-22页 |
| 2.1.1. 矢量切割栅格 | 第17-18页 |
| 2.1.2. 影像分割 | 第18-22页 |
| 2.1.2.1 常见的影像分割方法 | 第18-19页 |
| 2.1.2.2 多尺度分割 | 第19-22页 |
| 2.2. 面向对象的变化检测策略 | 第22-28页 |
| 2.2.1 .直接对比法 | 第22-24页 |
| 2.2.2. 分类后对比法 | 第24-25页 |
| 2.2.3. 分类后对比法实验 | 第25-28页 |
| 2.3. 精度评价 | 第28-31页 |
| 2.3.1. 精度评价方法 | 第28-29页 |
| 2.3.2. 精度评价实验 | 第29-31页 |
| 2.4. 小结 | 第31-32页 |
| 3. 遥感影像分类方法研究 | 第32-48页 |
| 3.1. SVM分类方法 | 第32-35页 |
| 3.1.1. SVM原理概述 | 第32-34页 |
| 3.1.2. SVM分类特征选取 | 第34-35页 |
| 3.2. 深度学习分类方法 | 第35-47页 |
| 3.2.1. 神经网络 | 第35-38页 |
| 3.2.1.1 神经元 | 第36-37页 |
| 3.2.1.2 神经网络模型 | 第37-38页 |
| 3.2.2. 卷积神经网络 | 第38-42页 |
| 3.2.2.1 卷积神经网络概述 | 第39-40页 |
| 3.2.2.2 卷积神经网络的结构 | 第40-41页 |
| 3.2.2.3 卷积神经网络的训练策略 | 第41-42页 |
| 3.2.3. 深度学习框架 | 第42-45页 |
| 3.2.3.1 现有框架 | 第42-43页 |
| 3.2.3.2 Caffe平台介绍 | 第43-44页 |
| 3.2.3.3 GoogLeNet神经网络 | 第44-45页 |
| 3.2.4 可行性实验分析 | 第45-47页 |
| 3.2.4.1 UC Merced数据介绍 | 第45-46页 |
| 3.2.4.2 实验及可行性分析 | 第46-47页 |
| 3.2.4.3 地理国情分层分类模型 | 第47页 |
| 3.3. 小结 | 第47-48页 |
| 4. 变化检测技术框架及实验 | 第48-67页 |
| 4.1. 变化检测技术框架 | 第48-49页 |
| 4.2. 实验数据概述与数据分析 | 第49-54页 |
| 4.2.1. 实验数据概述 | 第49-50页 |
| 4.2.2. 最优分割参数选择 | 第50-52页 |
| 4.2.3. 实验数据变化分析 | 第52-54页 |
| 4.3. 训练样本的获取 | 第54-58页 |
| 4.3.1. 深度学习训练样本的获取 | 第55-57页 |
| 4.3.2. SVM训练样本的获取 | 第57-58页 |
| 4.4. 分类模型对比 | 第58-60页 |
| 4.4.1. 基于深度学习的分类模型 | 第58-59页 |
| 4.4.2. 基于SVM的分类模型 | 第59-60页 |
| 4.4.3. 分类模型对比实验 | 第60页 |
| 4.5. 分类后变化检测对比实验 | 第60-66页 |
| 4.5.1. 基于深度学习的分类后变化检测 | 第61-64页 |
| 4.5.2. 基于SVM的分类后变化检测 | 第64-66页 |
| 4.5.3. 实验对比分析 | 第66页 |
| 4.6. 小结 | 第66-67页 |
| 5. 结论与展望 | 第67-69页 |
| 5.1. 本文主要工作 | 第67页 |
| 5.2. 研究展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
